Konferenzbeitrag
Automatisierte prädiktive Analytik in der Gepäckabfertigung
Lade...
Volltext URI
Dokumententyp
Text/Conference Paper
Zusatzinformation
Datum
2024
Autor:innen
Zeitschriftentitel
ISSN der Zeitschrift
Bandtitel
Quelle
Verlag
Gesellschaft für Informatik e.V.
Zusammenfassung
Ziel dieser Arbeit ist die Entwicklung und Validierung eines automatisierten Prognosemodells für Gepäckmengen am Hamburger Flughafen unter Verwendung der Low-Code AutoML-Bibliothek PyCaret. Durch die Automatisierung signifikanter Phasen des Machine-Learning-Lebenszyklus konnten präzise Vorhersagen für Gepäckstücke pro Flug innerhalb und außerhalb der Flugsaison erreicht werden. Die Ergebnisse zeigen eine Verbesserung der Vorhersagegenauigkeit um 38,6 % gegenüber herkömmlichen Methoden, was die Effizienz in der Personaldisposition maßgeblich unterstützt. Der Einsatz von AutoML ermöglicht zudem eine zeitökonomische Modellentwicklung durch Endanwender. Der Einsatz und Ausbau des autoDS-Moduls kann den bereits hohen Automatisierungsgrad weiter erhöhen. Zukünftige Arbeiten sollten den Einsatz von assistenzgesteuerter Datenvorverarbeitung mit großen Sprachmodellen und Hyperparameteroptimierung für AutoML-Parameter untersuchen, um die Anwendbarkeit und Genauigkeit weiter zu verbessern.